دوره تنظیمات پیشرفته for Sampling in Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیمات پیشرفته for Sampling in Stan

موضوع کلی: روش‌های نمونه‌گیری مونت‌کارلو مارکوف (MCMC) در آمار بیزی

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمات مدل‌سازی آماری در Stan
• 2. نصب و پیکربندی Stan
• 3. ساختار کلی کد Stan
• 4. تعریف متغیرها و پارامترها
• 5. توابع توزیع احتمال در Stan
• 6. نمونه‌گیری از توزیع‌های گسسته
• 7. نمونه‌گیری از توزیع‌های پیوسته
• 8. مقدمات الگوریتم‌های MCMC
• 9. پیاده‌سازی الگوریتم Gibbs Sampling
• 10. پیاده‌سازی الگوریتم Metropolis-Hastings
• 11. پیاده‌سازی الگوریتم NUTS
• 12. تفسیر نتایج MCMC (Trace Plots)
• 13. تفسیر نتایج MCMC (Autocorrelation)
• 14. تفسیر نتایج MCMC (Convergence Diagnostics)
• 15. معیارهای همگرایی (Gelman-Rubin)
• 16. معیارهای همگرایی (Effective Sample Size)
• 17. مدل‌های رگرسیون خطی در Stan
• 18. تفسیر ضرایب رگرسیون خطی
• 19. مدل‌های رگرسیون لجستیک در Stan
• 20. تفسیر ضرایب رگرسیون لجستیک
• 21. مدل‌های رگرسیون پواسون در Stan
• 22. مدل‌های رگرسیون پواسون با Overdispersion
• 23. مدل‌های رگرسیون منفی دوجمله‌ای
• 24. مدل‌های سلسله‌مراتبی (Hierarchical Models)
• 25. مدل‌های اثرات مختلط (Mixed Effects Models)
• 26. مدل‌های سلسله‌مراتبی خطی
• 27. مدل‌های سلسله‌مراتبی لجستیک
• 28. مدل‌های سلسله‌مراتبی پواسون
• 29. مدل‌سازی سری‌های زمانی در Stan
• 30. مدل‌های ARIMA در Stan
• 31. مدل‌های اتورگرسیو شرطی ناهمسانی (GARCH)
• 32. مدل‌سازی داده‌های فضایی در Stan
• 33. مدل‌های رگرسیون فضایی
• 34. مدل‌سازی داده‌های پانل در Stan
• 35. مدل‌های اثرات ثابت در داده‌های پانل
• 36. مدل‌های اثرات تصادفی در داده‌های پانل
• 37. مقدمات استنتاج بیزی
• 38. قضیه بیز و کاربرد آن
• 39. روش‌های نمونه‌گیری پیشرفته
• 40. نمونه‌گیری Importance Sampling
• 41. نمونه‌گیری Sequential Monte Carlo
• 42. روش‌های بهینه‌سازی در Stan
• 43. توابع هدف (Objective Functions)
• 44. بهینه‌سازی مبتنی بر گرادیان
• 45. بهینه‌سازی مبتنی بر نیوتن
• 46. تنظیمات پیشرفته Sampling
• 47. مدیریت پارامترهای Sampling
• 48. تنظیمات الگوریتم NUTS
• 49. تنظیمات الگوریتم HMC
• 50. اعتبارسنجی مدل (Model Checking)
• 51. بررسی برازش مدل (Goodness-of-fit)
• 52. تست‌های پیش‌بینی (Posterior Predictive Checks)
• 53. مدل‌سازی داده‌های گمشده (Missing Data)
• 54. روش‌های Imputation در Stan
• 55. مدل‌سازی عدم قطعیت در پیش‌بینی
• 56. تحلیل حساسیت (Sensitivity Analysis)
• 57. مدل‌سازی توابع بقا (Survival Analysis)
• 58. مدل‌های کاکس (Cox Proportional Hazards)
• 59. مدل‌های پارامتریک بقا
• 60. مدل‌سازی داده‌های شمارشی پیشرفته
• 61. مدل‌های چندسطحی برای داده‌های شمارشی
• 62. مدل‌سازی داده‌های طبقه‌بندی شده
• 63. مدل‌های لجستیک چندگانه
• 64. مدل‌های ترتیبی
• 65. مدل‌سازی داده‌های رویداد (Event History)
• 66. مدل‌های نقطه زمانی (Point Processes)
• 67. مدل‌سازی شبکه‌های اجتماعی در Stan
• 68. مدل‌های مبتنی بر گراف
• 69. مدل‌سازی آماری در علوم پزشکی
• 70. مدل‌سازی کارآزمایی‌های بالینی
• 71. مدل‌سازی اپیدمیولوژی
• 72. مدل‌سازی آماری در علوم اقتصادی
• 73. مدل‌سازی پیش‌بینی اقتصادی
• 74. مدل‌سازی سری‌های زمانی اقتصادی
• 75. مدل‌سازی آماری در علوم اجتماعی
• 76. مدل‌سازی داده‌های پیمایشی
• 77. مدل‌سازی تحلیل عاملی اکتشافی
• 78. مدل‌سازی تحلیل عاملی تاییدی
• 79. مدل‌سازی معادلات ساختاری (SEM)
• 80. مدل‌سازی آماری در علوم محیطی
• 81. مدل‌سازی آلودگی هوا
• 82. مدل‌سازی تغییرات اقلیمی
• 83. مدل‌سازی آماری در علوم کشاورزی
• 84. مدل‌سازی رشد گیاهان
• 85. مدل‌سازی آفات و بیماری‌ها
• 86. مدل‌سازی آماری در علوم مهندسی
• 87. مدل‌سازی قابلیت اطمینان
• 88. مدل‌سازی تشخیص خطا
• 89. کدنویسی بهینه در Stan
• 90. استفاده از اپراتورهای برداری
• 91. تکنیک‌های کاهش زمان اجرا
• 92. اشکال‌زدایی (Debugging) کدهای Stan
• 93. خطاهای رایج در Stan
• 94. استفاده از کامپایلر C++
• 95. رابط‌های کاربری برای Stan (RStan, PyStan)
• 96. تکنیک‌های پیشرفته تجسم داده
• 97. رسم نمودارهای پیش‌بینی
• 98. رسم نمودارهای مقایسه مدل
• 99. موضوعات خاص در مدل‌سازی بیزی
• 100. مدل‌سازی نایزین (Non-parametric Bayesian)